不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式的空間依賴性分析

王 珊，洪名勇，，吳昭洋，何玉鳳

（1.浙江大學(xué)管理學(xué)院，浙江 杭州 310012；2.浙江大學(xué)中國(guó)農(nóng)村發(fā)展研究院，浙江 杭州 310012；3.貴州大學(xué)管理學(xué)院，貴州 貴陽(yáng) 550025）

1 引言

“三權(quán)分置”是中國(guó)農(nóng)地產(chǎn)權(quán)制度改革的核心議題。2014年，中央“一號(hào)文件”首次提出，“在落實(shí)農(nóng)村土地集體所有權(quán)的基礎(chǔ)上，穩(wěn)定農(nóng)戶承包權(quán)，放活土地經(jīng)營(yíng)權(quán)”。2016年印發(fā)的《關(guān)于完善農(nóng)村土地所有權(quán)承包權(quán)經(jīng)營(yíng)權(quán)分置辦法的意見》明確指出，“土地經(jīng)營(yíng)權(quán)是在流轉(zhuǎn)過程中由承包經(jīng)營(yíng)權(quán)派生出來的權(quán)利，鼓勵(lì)采用土地股份合作、土地托管、代耕代種等多種經(jīng)營(yíng)方式，探索放活土地經(jīng)營(yíng)權(quán)的有效途徑”。2018年，中央“一號(hào)文件”再次強(qiáng)調(diào)進(jìn)一步完善農(nóng)地“三權(quán)分置”制度、平等保護(hù)和放活土地經(jīng)營(yíng)權(quán)的重要性?！掇r(nóng)村土地承包法》從立法層面規(guī)定了轉(zhuǎn)包、出租、互換、轉(zhuǎn)讓、入股和其他6種不同的流轉(zhuǎn)方式，正是放活土地經(jīng)營(yíng)權(quán)勢(shì)必依賴的具體實(shí)現(xiàn)路徑，通過促進(jìn)土地資源再配置以提升農(nóng)業(yè)生產(chǎn)效率[1-2]。

農(nóng)地流轉(zhuǎn)本質(zhì)是交易主體達(dá)成協(xié)議并履行約定的交易過程，流轉(zhuǎn)方式的差異意味著不同合約結(jié)構(gòu)的選擇。現(xiàn)有研究中，利用虛擬變量將農(nóng)地流轉(zhuǎn)設(shè)定為“是否流轉(zhuǎn)”或“轉(zhuǎn)入轉(zhuǎn)出”的二元行為結(jié)果已成為探討農(nóng)地流轉(zhuǎn)的基本思路[3-4]，這種抽象的處理方式極大忽視了農(nóng)地流轉(zhuǎn)的合約屬性。少數(shù)學(xué)者對(duì)此進(jìn)行了修正[5-7]，發(fā)現(xiàn)不同流轉(zhuǎn)方式之間確實(shí)存在異質(zhì)性，有必要對(duì)農(nóng)地流轉(zhuǎn)的具體實(shí)現(xiàn)方式展開深入分析，遺漏這些因素有可能導(dǎo)致施策的“水土不服”。隨著空間經(jīng)濟(jì)學(xué)的發(fā)展，越來越多的學(xué)者開始關(guān)注農(nóng)地流轉(zhuǎn)行為的空間效應(yīng)問題，但重在識(shí)別空間異質(zhì)性，且研究范圍大都局限于某省區(qū)內(nèi)部或少數(shù)省區(qū)之間[8-11]。如地理學(xué)第一定律所述：任何事物都與其他事物具有一定的空間關(guān)聯(lián)性[12]，農(nóng)地流轉(zhuǎn)行為也不例外。理論上講，直觀學(xué)習(xí)和信息傳遞是決策者形成期望和偏好的重要途徑[13]，個(gè)體決策既不是完全獨(dú)立的，也不是共同達(dá)成的，進(jìn)而形成個(gè)體決策的空間關(guān)聯(lián)現(xiàn)象，空間經(jīng)濟(jì)學(xué)稱之為空間效應(yīng)，包含空間異質(zhì)性與空間依賴性[14]，且可通過微觀的積累效應(yīng)而呈現(xiàn)出某種宏觀特征。即便如此，多數(shù)農(nóng)地流轉(zhuǎn)研究仍建立在農(nóng)戶獨(dú)立決策的前提假設(shè)之下，忽視了交易的非獨(dú)立決策問題，僅有少數(shù)研究對(duì)農(nóng)地流轉(zhuǎn)價(jià)格和契約選擇的空間依賴問題進(jìn)行了識(shí)別[15-17]。探討農(nóng)地流轉(zhuǎn)行為的空間異質(zhì)性有助于識(shí)別出稟賦差異條件下的區(qū)域流轉(zhuǎn)行為模式，而研究流轉(zhuǎn)行為的空間依賴性則有助于進(jìn)一步認(rèn)識(shí)空間單位的互動(dòng)模式及潛在影響因素的空間溢出效應(yīng)。

本文將不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式作為研究對(duì)象，利用空間經(jīng)濟(jì)學(xué)理論與空間計(jì)量模型，對(duì)農(nóng)地流轉(zhuǎn)行為的空間依賴關(guān)系及其空間布局進(jìn)行初步識(shí)別和計(jì)量研究。

2 研究方法與變量選取

2.1 空間自相關(guān)分析

全局空間自相關(guān)從整體上檢驗(yàn)不同方式的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為在鄰近省區(qū)之間是相似、相異或是相互獨(dú)立的，局部空間自相關(guān)則進(jìn)一步明確空間自相關(guān)特征發(fā)生的具體空間位置和分布格局。本文選取非標(biāo)準(zhǔn)化的空間加權(quán)權(quán)重，矩陣W表示不同省區(qū)之間的空間關(guān)系，鄰接取值為1，否則為0。

2.1.1 全局空間自相關(guān)分析

使用全局莫蘭指數(shù)I（Global Moran’s I）和吉爾里指數(shù)C（Geary’s C）分析，交叉驗(yàn)證結(jié)果的穩(wěn)健性，I指數(shù)為一個(gè)觀測(cè)值與其空間滯后之間的線性相關(guān)系數(shù)[18]。-1≤I≤1，大于0表示空間正自相關(guān)，即高（低）值與高（低）值相鄰，小于0表示空間負(fù)自相關(guān)，即高（低）值與低（高）值相鄰，若接近于0，則表示空間分布是隨機(jī)的。吉爾里指數(shù)C的取值介于0～2之間，大于（小于）1表示空間負(fù)（正）自相關(guān)，等于1表示空間不相關(guān)[19]。

2.1.2 局部空間自相關(guān)分析

利用局部莫蘭指數(shù)I（Local Moran’s I）揭示每一個(gè)空間單元與鄰近空間的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為相關(guān)程度，具體含義同全局莫蘭指數(shù)I；再利用“局部Getis-Ord指數(shù)G”考察某個(gè)空間是否為熱點(diǎn)（Hot spot）或冷點(diǎn)區(qū)域（Cold spot）[20]，熱點(diǎn)區(qū)域表示高值與高值聚集，冷點(diǎn)區(qū)域表示低值與低值聚集。

2.2 空間計(jì)量模型設(shè)定

Elhorst和Anselin等提供了一個(gè)基于OLS殘差項(xiàng)檢驗(yàn)的空間計(jì)量模型設(shè)定選擇框架[21-22]，該框架已成為國(guó)內(nèi)外學(xué)者開展相關(guān)研究時(shí)進(jìn)行模型選擇的主要依據(jù)[23]。

首先，構(gòu)建研究農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)的經(jīng)典計(jì)量模型，模型中不包含空間依賴關(guān)系，表示為：

式（1）中：Yi為n×1矢量，表示n個(gè)空間中的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為，i∈（1，n）；ιN為截距項(xiàng)α的n×1矢量；Xik為K個(gè)與農(nóng)地流轉(zhuǎn)行為呈線性關(guān)系的外生影響因素，表示為n×K數(shù)據(jù)矩陣；εi為隨機(jī)擾動(dòng)項(xiàng)。

用最小二乘法（OLS）估計(jì)式（1）并對(duì)其殘差項(xiàng)進(jìn)行空間滯后（Spatial lag）和空間誤差（Spatial error）檢驗(yàn)，檢驗(yàn)方法包括沃爾德檢驗(yàn)（Wald Test）、似然比檢驗(yàn)（LR）、拉格朗日乘子檢驗(yàn)（LM）以及穩(wěn)健拉格朗日乘子檢驗(yàn)（Robust LM）4種，若檢驗(yàn)結(jié)果拒絕不存在空間依賴性的原假設(shè)，則經(jīng)典計(jì)量模型中不再相互獨(dú)立的殘差項(xiàng)會(huì)導(dǎo)致結(jié)果偏誤，根據(jù)檢驗(yàn)結(jié)果選擇合適的空間計(jì)量模型才能夠得到更為準(zhǔn)確的估計(jì)結(jié)果。本文關(guān)注農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為是否與相鄰空間的行為具有相似性，使用空間滯后模型（SLM）進(jìn)行空間計(jì)量回歸可以直接得到空間依賴系數(shù)，表示為：

式（2）中：wYi為農(nóng)地流轉(zhuǎn)行為滯后項(xiàng)；w表示空間結(jié)構(gòu)，為非負(fù)的n×n空間距離矩陣；δ是農(nóng)地流轉(zhuǎn)行為的空間自回歸系數(shù)，表示行為的空間依賴關(guān)系；εi為隨機(jī)擾動(dòng)項(xiàng)。

同時(shí)，考慮所得結(jié)果的穩(wěn)健性問題，引入帶有空間自回歸誤差項(xiàng)的空間自回歸模型（SARAR）進(jìn)行參照，模型如下：

式（4）中：λ為誤差項(xiàng)的空間依賴系數(shù)。SARAR考察納入誤差項(xiàng)空間依賴性后，農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為本身的空間依賴性是否依然存在。

2.3 變量選取

2.3.1 農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)指標(biāo)

根據(jù)《農(nóng)村土地承包法》，農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)包括轉(zhuǎn)包、出租和股份合作三種方式，其中，若流轉(zhuǎn)對(duì)象屬于本集體經(jīng)濟(jì)組織成員為轉(zhuǎn)包，否則為出租，若承包方自愿將土地承包經(jīng)營(yíng)權(quán)入股并從事農(nóng)業(yè)合作生產(chǎn)則為股份合作?？紤]不同流轉(zhuǎn)方式的空間依賴關(guān)系可能具有異質(zhì)性，本文將分別進(jìn)行研究。為消除由不同空間中農(nóng)地規(guī)模差異引致的流轉(zhuǎn)差異，文中效仿目前慣用的農(nóng)地流轉(zhuǎn)率指標(biāo)設(shè)定方法，以各個(gè)空間中農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)面積占家庭承包經(jīng)營(yíng)耕地總面積的比重作為不同流轉(zhuǎn)方式的度量指標(biāo)。

2.3.2 影響因素指標(biāo)

為進(jìn)一步考察不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式的空間依賴關(guān)系，必須對(duì)其他可能的影響因素進(jìn)行控制，參考已有文獻(xiàn)在研究農(nóng)地流轉(zhuǎn)的諸多因素中常用的變量，選取勞動(dòng)力特征、農(nóng)業(yè)生產(chǎn)因素以及產(chǎn)權(quán)安全等3類指標(biāo)所涉及的10個(gè)變量作為空間回歸分析中的自變量（表1）。

3 數(shù)據(jù)說明與描述性統(tǒng)計(jì)分析

3.1 數(shù)據(jù)說明

農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)指標(biāo)中各個(gè)變量、土地承包經(jīng)營(yíng)權(quán)證書份數(shù)、家庭承包經(jīng)營(yíng)的農(nóng)戶數(shù)、土地糾紛數(shù)、非農(nóng)就業(yè)水平、農(nóng)業(yè)補(bǔ)貼以及合作社數(shù)量來源于《全國(guó)農(nóng)村經(jīng)營(yíng)管理統(tǒng)計(jì)資料》，經(jīng)營(yíng)性收入、耕地面積、地方財(cái)政農(nóng)林水務(wù)支出、地方財(cái)政一般預(yù)算支出來源于歷年《中國(guó)統(tǒng)計(jì)年鑒》，其余變量均來源于歷年《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》。由于未公布“農(nóng)村勞動(dòng)力文化水平（CLit）”指標(biāo)2015年數(shù)據(jù)，文中用移動(dòng)平均方式處理補(bǔ)齊缺失數(shù)據(jù)。本文采用2015年中國(guó)30個(gè)?。ㄊ小⒆灾螀^(qū)）截面數(shù)據(jù)進(jìn)行分析，西藏和港澳臺(tái)地區(qū)由于數(shù)據(jù)不完整且異質(zhì)性較強(qiáng)，不納入研究范圍。

3.2 描述性統(tǒng)計(jì)分析

對(duì)中國(guó)30個(gè)省區(qū)的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)空間分布規(guī)律進(jìn)行分析。2015年，經(jīng)營(yíng)權(quán)流轉(zhuǎn)的耕地面積占流轉(zhuǎn)總面積的87.41%，是中國(guó)農(nóng)地流轉(zhuǎn)的主要方式，除了北京市以外，農(nóng)地流轉(zhuǎn)和經(jīng)營(yíng)權(quán)流轉(zhuǎn)的空間分布趨勢(shì)幾乎一致①北京市的農(nóng)地流轉(zhuǎn)主要以其他方式為主，由于數(shù)據(jù)中并未對(duì)其他方式進(jìn)行說明，本文不進(jìn)行具體分析。。按照經(jīng)營(yíng)權(quán)流轉(zhuǎn)率的高低，將30個(gè)省級(jí)空間分為40%～100%、20%～40%（不含40%）、0%～20%（不含20%）3個(gè)梯隊(duì)。有5個(gè)省區(qū)處于第一梯隊(duì)，除了黑龍江以外，上海、江蘇、浙江以及安徽形成一個(gè)高值聚集區(qū)；處于第二梯隊(duì)的有17個(gè)省區(qū)，以經(jīng)營(yíng)權(quán)流轉(zhuǎn)率最高的重慶為中心形成一個(gè)龐大的中值聚集區(qū)；第三梯隊(duì)包含8個(gè)省區(qū)，分別圍繞陜西和廣西形成兩個(gè)低值聚集區(qū)，其中，海南的經(jīng)營(yíng)權(quán)流轉(zhuǎn)率最低，僅為4.28%。

表1 變量選取與說明Tab.1 Selection of variables and definitions

轉(zhuǎn)包和出租是農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)的兩大主要方式，分別占農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)總面積的53.80%和39.24%，二者呈現(xiàn)反向變動(dòng)趨勢(shì)，僅有6.96%的農(nóng)地以股份合作的方式流轉(zhuǎn)。按照20%～100%、10%～20%（不含20%）、0%～10%（不含10%）將轉(zhuǎn)包率和出租率劃分為三個(gè)梯隊(duì)。從轉(zhuǎn)包率上看，第一梯隊(duì)中的6個(gè)省區(qū)分別以吉林和上海為中心形成兩個(gè)高值聚集區(qū)，其中，黑龍江、吉林、遼寧同屬一個(gè)聚集區(qū)，上海、浙江以及江蘇組成另一個(gè)聚集區(qū)；有11個(gè)省區(qū)處于第二梯隊(duì)，除了新疆以外，其余10省區(qū)以河南為中心，形成上至內(nèi)蒙古、下至湖南的長(zhǎng)條狀中值聚集區(qū)，其中，內(nèi)蒙古的轉(zhuǎn)包率最高，為18.11%；第三梯隊(duì)有13個(gè)省區(qū)，除了北京相隔較遠(yuǎn)，其他12個(gè)相鄰省區(qū)圍繞第二梯隊(duì)中的湖北、湖南兩省形成“L”形低值聚集區(qū)。從出租率上看，處于第一梯隊(duì)中的4個(gè)省區(qū)以出租率最高的上海為中心形成高值聚集區(qū)；處于第二梯隊(duì)中的15個(gè)省區(qū)以湖北為中心形成一個(gè)龐大的中值聚集區(qū)，省區(qū)之間兩兩相鄰，其中，寧夏的出租率最高，為19.06%；第三梯隊(duì)中包含11個(gè)省區(qū)，除了新疆和海南外，其余9省以遼寧為中心形成低值聚集區(qū)。從股份合作率上看，除了江蘇、廣東和黑龍江三省之外，其余各省區(qū)的股份合作率都在5%以下，大都分布在1%左右，從數(shù)據(jù)上無法分析其空間分布規(guī)律。

總之，鄰近省級(jí)空間中的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式具有趨同趨勢(shì)，且不同流轉(zhuǎn)方式的空間聚類分布情況具有較強(qiáng)異質(zhì)性，必須指出的是，即便在同一個(gè)空間中，三種行為存在反向變動(dòng)趨勢(shì)，但這并不意味著他們的空間聚類分布也呈現(xiàn)反向變動(dòng)趨勢(shì)，如江蘇和浙江兩省便同時(shí)處于轉(zhuǎn)包率和出租率的第一梯隊(duì)，說明有必要分別對(duì)不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式的空間依賴關(guān)系進(jìn)行分析。

4 研究結(jié)果與分析

簡(jiǎn)單的統(tǒng)計(jì)描述并不能明確農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為之間是否真正具有空間依賴，還需進(jìn)一步通過空間自相關(guān)分析和空間計(jì)量得到科學(xué)驗(yàn)證，熱點(diǎn)分析借助Geoda 1.12軟件實(shí)現(xiàn)，其余部分分析借助Stata 15.0軟件完成。

4.1 全局自相關(guān)分析

同時(shí)利用全局Moran’s I指數(shù)和全局Geary’s C指數(shù)檢驗(yàn)不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式是否具有空間自相關(guān)性，根據(jù)雙邊檢驗(yàn)的結(jié)果，雖然農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)在整體上呈現(xiàn)出顯著的空間相關(guān)特征，但不同流轉(zhuǎn)方式的空間相關(guān)關(guān)系存在明顯異質(zhì)性。農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為的I指數(shù)為0.314，C指數(shù)為0.361，都通過了1%的顯著性檢驗(yàn)，具有穩(wěn)健的空間自相關(guān)性；轉(zhuǎn)包的I指數(shù)和C指數(shù)分別為0.293和0.374，出租的I指數(shù)和C指數(shù)分別為0.302和0.355，均具有顯著的正向空間自相關(guān)關(guān)系，省級(jí)空間之間的行為相似度較高；股份合作的I指數(shù)趨近于0，而C指數(shù)趨近于1，呈現(xiàn)出空間隨機(jī)分布特征，因此不再分析股份合作的空間依賴性。

4.2 局部自相關(guān)分析

局部空間自相關(guān)分析可以彌補(bǔ)全局分析中難以反映聚集發(fā)生的具體空間位置和聚集模式的不足，由于標(biāo)準(zhǔn)化以后的空間權(quán)重矩陣一般不再是對(duì)稱矩陣，并且意味著區(qū)域i所受其鄰居的影響之和一定等于區(qū)域j所受其鄰居的影響之和（任意i≠j），此假定可能過強(qiáng)，文中選擇在非標(biāo)準(zhǔn)化空間權(quán)重矩陣的基礎(chǔ)上，借助Stata 15.0軟件進(jìn)行局部Moran’s I散點(diǎn)圖分析[24]，使用Geoda 1.12軟件進(jìn)行熱點(diǎn)分析。

局部Moran’s I 散點(diǎn)圖將各省區(qū)農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為分為四個(gè)象限，代表4種不同的空間格局，圖1顯示了檢驗(yàn)結(jié)果。從經(jīng)營(yíng)權(quán)流轉(zhuǎn)上看，位于第一象限的有8個(gè)省區(qū)，占比26.67%，經(jīng)營(yíng)權(quán)流轉(zhuǎn)率高的省區(qū)被經(jīng)營(yíng)權(quán)流轉(zhuǎn)率高的省區(qū)包圍；位于第二象限的有7個(gè)省區(qū)，占比23.33%，自身經(jīng)營(yíng)權(quán)流轉(zhuǎn)率低而相鄰省區(qū)的流轉(zhuǎn)率高；位于第三象限的有13個(gè)省區(qū)，占43.33%，自身和相鄰省區(qū)經(jīng)營(yíng)權(quán)流轉(zhuǎn)率都低；只有兩個(gè)省區(qū)位于第四象限，經(jīng)營(yíng)權(quán)流轉(zhuǎn)率高的省份被低值省份包圍。

圖1 局部Moran’s I散點(diǎn)圖Fig.1 Scatter plot of local Moran’s I

轉(zhuǎn)包和出租主要呈現(xiàn)出空間正相關(guān)關(guān)系，其中，分別有10個(gè)和7個(gè)省區(qū)處于第一項(xiàng)象限，表現(xiàn)為HH聚類特征，有12個(gè)和10個(gè)省區(qū)落在第三象限，屬于LL聚類模式；轉(zhuǎn)包方式中只有8個(gè)省區(qū)處于二、四象限，占比為36.67%，出租方式則有43.33%的省區(qū)表現(xiàn)出空間負(fù)相關(guān)關(guān)系?？傊?，不同農(nóng)地流轉(zhuǎn)方式的空間關(guān)聯(lián)以LL集聚和HH集聚兩種模式居多。

根據(jù)90%置信區(qū)間下的熱點(diǎn)分析，得到熱點(diǎn)區(qū)域和冷點(diǎn)區(qū)域的具體位置。農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為只具有顯著的高值與高值相鄰空間依賴關(guān)系，包括吉林、江西、安徽3個(gè)中部熱點(diǎn)區(qū)域，山東、浙江、上海、江蘇4個(gè)東部熱點(diǎn)區(qū)域；轉(zhuǎn)包的熱點(diǎn)區(qū)域包括內(nèi)蒙古、黑龍江、吉林、遼寧、安徽、江蘇和上海7省區(qū)，除了內(nèi)蒙古是緊鄰中部的西部省份外，其他被高值包圍的省區(qū)都處于中部或東部，冷點(diǎn)區(qū)主要分布在西部，包括云南、四川和新疆，低值與低值相鄰；出租行為包括東部5個(gè)熱點(diǎn)區(qū)域（福建、浙江、上海、江蘇、山東）和1個(gè)中部熱點(diǎn)區(qū)域（江西），冷點(diǎn)區(qū)域包括地處東部的遼寧和河北，地處中部的吉林和黑龍江，以及地處西部的內(nèi)蒙古，冷點(diǎn)區(qū)和熱點(diǎn)區(qū)都主要分布在東部和中部地區(qū)，西部地區(qū)中只有內(nèi)蒙古具有顯著的低值聚集特征。省域農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)格局呈現(xiàn)出明顯的空間二元結(jié)構(gòu)，西部地區(qū)和中、東部地區(qū)分化明顯。

4.3 空間計(jì)量分析

空間計(jì)量分析可以判斷變量之間的互動(dòng)方式及影響程度，并對(duì)這一效應(yīng)的強(qiáng)度進(jìn)行估算。首先，用OLS方法估計(jì)經(jīng)典計(jì)量模型，對(duì)其殘差項(xiàng)進(jìn)行空間誤差和空間滯后的Wald test、LR、LM和Roubst LM 4項(xiàng)檢驗(yàn)。對(duì)于空間滯后項(xiàng)，經(jīng)營(yíng)權(quán)流轉(zhuǎn)和轉(zhuǎn)包兩個(gè)指標(biāo)的檢驗(yàn)至少在10%的顯著性水平完全拒絕“無空間依賴性”的原假設(shè)，出租也通過了Wald檢驗(yàn)和Robust LM檢驗(yàn)。表明農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為具有強(qiáng)烈的空間依賴性，基于觀測(cè)值之間相互獨(dú)立的假設(shè)得到的OLS結(jié)果受到空間聚類的劇烈影響。

本文選擇SLM考察行為的空間依賴關(guān)系，由于空間誤差項(xiàng)也通過了空間相關(guān)性檢驗(yàn)，利用包含空間滯后項(xiàng)和空間誤差項(xiàng)的SARAR進(jìn)行穩(wěn)健性檢驗(yàn)。使用最大似然方法（MLE）對(duì)經(jīng)對(duì)數(shù)處理后的自變量和因變量展開空間回歸分析，為了進(jìn)行比較，本文也給出了使用經(jīng)典OLS方法的估計(jì)結(jié)果，回歸結(jié)果如表2。

三種經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式的SLM擬合優(yōu)度均比OLS平均提高了2%左右，模型解釋力度有所提高，說明考慮了空間效應(yīng)以后的模型更加有效。經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為受到其他空間行為的直接影響，空間依賴系數(shù)顯著，但不同流轉(zhuǎn)方式具有差異。SLM模型中，轉(zhuǎn)包和出租行為的空間滯后系數(shù)較為相近，分別為0.042和0.043，且前者更為顯著，而經(jīng)營(yíng)權(quán)流轉(zhuǎn)總指標(biāo)由于包含了在空間中隨機(jī)分布的股份合作行為，空間滯后系數(shù)較其他兩種行為低。SARAR在SLM的基礎(chǔ)上引入空間滯后項(xiàng)后，不同流轉(zhuǎn)方式下，空間依賴系數(shù)依然顯著，除轉(zhuǎn)包行為的空間滯后系數(shù)降為0.026外，經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為和出租行為的空間依賴系數(shù)均略有提高；空間誤差系數(shù)大于空間滯后系數(shù)，且顯著性較強(qiáng)，說明經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為表現(xiàn)出來的空間依賴性，除了用其行為本身存在的內(nèi)生互動(dòng)效應(yīng)解釋之外，還可能是由外生影響因素的溢出或其他不可觀測(cè)因素形成空間互動(dòng)效應(yīng)造成的[21]，但本文的主要目的是研究農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為本身是否受到其他空間行為的影響，并非這種空間相關(guān)的形成路徑，故不進(jìn)行深入探討。

自變量的回歸系數(shù)在同一方式的不同模型中基本保持一致，個(gè)別變量在引入空間關(guān)系后顯著程度和系數(shù)符號(hào)有所變化，說明未考慮空間因素的經(jīng)典回歸方式對(duì)自變量的影響估計(jì)具有偏誤。非農(nóng)就業(yè)水平的上升意味著農(nóng)村勞動(dòng)力更傾向于選擇外出務(wù)工，促進(jìn)農(nóng)地流轉(zhuǎn)；經(jīng)營(yíng)性收入比重越大表示農(nóng)業(yè)收入對(duì)農(nóng)戶越重要，流轉(zhuǎn)意愿降低，但對(duì)于出租行為沒有明顯影響；農(nóng)村居民人均收入水平的提高可能會(huì)降低農(nóng)戶對(duì)土地的依賴程度，而較大勞均耕地面積意味著農(nóng)地供給充裕，二者對(duì)三種方式的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)都有促進(jìn)作用，但對(duì)出租的影響在考慮空間關(guān)系后才具有顯著性；種植業(yè)合作社數(shù)量的增多總體上抑制流轉(zhuǎn)，促進(jìn)轉(zhuǎn)包的同時(shí)減少出租，這意味著農(nóng)戶進(jìn)行農(nóng)地流轉(zhuǎn)的時(shí)候，首選的對(duì)象是本集體經(jīng)濟(jì)的熟人，其次是合作社，最后才是本集體經(jīng)濟(jì)之外的人或者企業(yè)，特別的，對(duì)于轉(zhuǎn)包的促進(jìn)作用在未考慮空間之前無法被觀察到；農(nóng)地流轉(zhuǎn)糾紛數(shù)量的增加是一種產(chǎn)權(quán)不安全表征，這種不安全感通過相鄰空間的示范作用負(fù)向影響經(jīng)營(yíng)權(quán)流轉(zhuǎn)行為；教育對(duì)農(nóng)地承包經(jīng)營(yíng)權(quán)流轉(zhuǎn)的作用具有不確定性[25]，農(nóng)村勞動(dòng)力文化水平提高，一方面，可通過促進(jìn)非農(nóng)就業(yè)而鼓勵(lì)農(nóng)地轉(zhuǎn)出，也由于農(nóng)地需求減少而抑制農(nóng)地轉(zhuǎn)入，另一方面，人力資本的提升使得農(nóng)戶更容易接受農(nóng)業(yè)培訓(xùn)從而提高農(nóng)業(yè)生產(chǎn)率，農(nóng)戶更傾向于選擇農(nóng)業(yè)經(jīng)營(yíng)，抑制農(nóng)地轉(zhuǎn)出，促進(jìn)農(nóng)地轉(zhuǎn)入，從總體上看，勞動(dòng)力文化水平的提高對(duì)農(nóng)地流轉(zhuǎn)的抑制作用較大。

表2 回歸結(jié)果估計(jì)Tab.2 Regression estimations

5 結(jié)論與政策含義

5.1 結(jié)論

本文利用空間計(jì)量模型，對(duì)不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式的空間依賴研究表明：第一，在全局層面上，農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)呈現(xiàn)出強(qiáng)烈的正向空間依賴關(guān)系，其中，轉(zhuǎn)包和出租兩種方式均通過了全局Moran’s I和Geary’s C指數(shù)檢驗(yàn)，意味著這兩種行為在整體上表現(xiàn)出顯著的空間正自相關(guān)關(guān)系，即相鄰省區(qū)呈現(xiàn)出相似的行為方式，但股份合作方式未通過檢驗(yàn)，在空間中為隨機(jī)分布狀態(tài)；第二，高—高聚集和低—低聚集是各省區(qū)的主要空間聚集模式，在90%的置信水平下得到的熱點(diǎn)分析結(jié)果表明，不同流轉(zhuǎn)方式的熱點(diǎn)區(qū)域主要分布在中國(guó)中部和東部，轉(zhuǎn)包行為的冷點(diǎn)區(qū)域分布在西部，而出租行為的冷點(diǎn)區(qū)域同時(shí)分布于中部、東部和西部，同一省區(qū)、不同流轉(zhuǎn)方式下，空間聚集模式存在顯著差異；第三，基于經(jīng)典回歸（OLS）的殘差項(xiàng)檢驗(yàn)均拒絕無空間依賴關(guān)系的原假設(shè)，SLM空間計(jì)量結(jié)果表明，相鄰省區(qū)經(jīng)營(yíng)權(quán)流轉(zhuǎn)、轉(zhuǎn)包和出租方式的空間依賴強(qiáng)度分別為0.021，0.042和0.043，引入考慮空間誤差項(xiàng)的SARAR后，他們的空間依賴關(guān)系依然穩(wěn)健，且這種空間關(guān)系對(duì)于自變量的解釋力度有著顯著影響。

5.2 政策含義

本文的政策含義：第一，改進(jìn)現(xiàn)有“大水漫灌”式的農(nóng)地政策實(shí)施方式，關(guān)注不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式間的異質(zhì)性，對(duì)股份合作方式以省區(qū)為單位實(shí)施具有個(gè)體特征的推進(jìn)政策，對(duì)轉(zhuǎn)包和出租方式則應(yīng)以“行為空間”為邊界，充分考慮行為在空間中的聚集收斂作用，針對(duì)不同方式的空間布局特點(diǎn)，將流轉(zhuǎn)政策從全國(guó)統(tǒng)一層面和省級(jí)層面向局部聚集空間過渡，制定行為精準(zhǔn)與空間精準(zhǔn)并行的政策；第二，明確省區(qū)在不同農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)方式上的空間聚集分布模式，充分利用上海、江蘇、安徽等熱點(diǎn)區(qū)域的正向空間溢出效應(yīng)，發(fā)揮高值聚集區(qū)對(duì)相鄰省區(qū)的帶動(dòng)作用，對(duì)于轉(zhuǎn)包方式中熱點(diǎn)區(qū)與冷點(diǎn)區(qū)相鄰的空間布局模式，更應(yīng)重視高值聚集區(qū)對(duì)低值聚集區(qū)的帶動(dòng)優(yōu)勢(shì)，著力轉(zhuǎn)變西部地區(qū)以冷點(diǎn)區(qū)為主要聚集模式的現(xiàn)狀，加大力度促進(jìn)西部地區(qū)農(nóng)地流轉(zhuǎn)市場(chǎng)的發(fā)展；第三，相鄰省份之間合作協(xié)同將會(huì)通過溢出效應(yīng)使所有省區(qū)受益，合作領(lǐng)域可以放在農(nóng)地流轉(zhuǎn)鼓勵(lì)政策、產(chǎn)權(quán)安全保障等方面，通過創(chuàng)造良好的“流轉(zhuǎn)環(huán)境”，提高農(nóng)業(yè)生產(chǎn)率，通過安全、有效的農(nóng)地經(jīng)營(yíng)權(quán)流轉(zhuǎn)，真正實(shí)現(xiàn)農(nóng)業(yè)規(guī)?；?jīng)營(yíng)。